《食品科学》：东北农业大学陈倩教授等：气相色谱-离子迁移谱技术在食品真实性鉴别中的应用研究进展

出于对更高商业利润的追求，国内外时有重大食品掺假事件发生。食品掺假对象和方式多种多样，掺假对象主要包括油脂、蜂蜜、乳类、肉类、酒类、水产品、咖啡及香料等，掺假方式主要包括稀释、擅自添加违禁物质及产品、标签和产地假冒等，因此解决食品掺假问题十分关键且紧迫。

常见的食品真实性鉴别方法包括感官法、理化分析、DNA指纹法、电泳法、同位素分析法、色谱法、质谱法、光谱法和智能感官法等。这些方法虽有各自的优势，但大多都存在不足之处。相比以上技术，GC-离子迁移谱（GC-IMS）作为一种可以检测挥发性化合物的技术，其在食品真实性鉴别中的主要优势为：1）分析快速（5～10 min）、灵敏度高（最小检测值达10-12～10-9）、选择性好；2）无需预处理和富集浓缩（如固相微萃取（SPME））、进样方式简单，能够保证分析基质真实成分；3）操作简单、仪器质量轻、续航时间长、便于携带，适用于实验室和户外实验分析；4）无需真空条件，常压下即可完成测定，使用成本相对较低；5）检测过程不需要有机溶剂辅助，对环境友好、无污染；6）数据结果稳定且处理简单，同时能转化为可视化指纹图谱，特别适用于对比样品间风味成分差异。凭借以上优势，近年来，GC-IMS逐渐在食品真实性鉴别分析中备受重视。

东北农业大学食品学院的张碧莹、隋雨萌、陈倩*等主要介绍GC-IMS技术的类型、结构、原理和分析方法，综述GC-IMS技术在热门食品领域（肉类、植物油、蜂蜜和酒类等）真实性鉴别中的应用现状和研究成果，旨在为食品真实性问题的解决及食品安全监管提供一定的技术支撑。HS-GC-IMS对冻融0～5 次的烤鸭坯烤制而成的烤鸭中挥发性风味物质进行测定，并结合正交偏最小二乘判别分析（OPLS-DA）和ROAV确定关键气味标志物，以期为高品质烤鸭风味保持提供理论参考，也为快速解析烤鸭挥发性风味成分启发思路。

01

GC-IMS技术概述

IMS技术是一项痕量化合物表征技术，该技术具有优良的灵敏性和敏锐的反应速度，已在公共安全、军事、制药、医学临床和环境检测等领域广泛应用。然而，对于食品这类基质复杂的样品，IMS分析通常会出现离子竞争、离子聚集和分辨度下降，进而出现假阳性。因此，IMS常与色谱（GC和液相色谱）和质谱联用以提高其分离和分析鉴定性能。

GC-IMS的出现可追溯到1970年，早期围绕GC-IMS的研究主要关于色谱柱，研究更换多种色谱柱，直至键合相毛细管柱的出现才根本上解决了GC溶剂残留、分离效率低等问题。1982年，Baim等报道了新型GC与IMS接口，此创新不仅解决了由接口流速不同所产生的问题（如峰宽扩展），更引领GC-IMS的研究进入迁移率测定时代。19世纪末，随着仪器方面的进步，如新型漂移管材料和电离源的出现，以及新型色谱柱的应用，GC-IMS技术进入现代成熟发展阶段，并广泛应用于危险物检测、环境监测和医学研究等领域。近年来，GC-IMS开始逐渐应用到食品领域，如酒龄鉴别、产地溯源、工艺优化、生产监测、分级和掺假检测、异味分析及微生物代谢分析等。

1.1 GC-IMS的类型和结构

在GC-IMS的发展里程中出现了多种类型：1）手持式GC-IMS设备，其具有体积小、便于携带的特点，适用于现场监测；2）集束毛细管柱（multicapillary column，MCC）联用IMS设备，使用MCC替代常规单个毛细管柱，极大提高了色谱柱的分析速率，目前食品领域中主要使用的GC-IMS型号是由德国G.A.S.公司研发生产的FlavourSpec®（图1A、B），其属于MCC-IMS，能够通过顶空（headspace，HS）进样对液态和固态复杂基质样品中痕量挥发性风味物质进行快速分析；3）热裂解GC-IMS，其主要用于生物大分子分析，可将大分子热解为小分子气体，再经GC和IMS二次分离并检测；4）GC-双极性IMS，其具有共用电离区和2 个IMS，GC与IMS电离区直接相连，能够实现正负离子模式下的同时检测。

GC-IMS是GC与IMS间的耦合。GC的作用是将复杂的混合物分离为单独组分以减少分子在IMS中竞争性电离。IMS结构主要包括气路、电离源、漂移管和信号检测器（图1C），其中电离源和漂移管是核心部分。电离源在很大程度上决定了IMS的性能，根据其放射性可分为非辐射源（如电喷雾离子源和电晕放电离子源）及辐射源（如241Am、63Ni和3H）。其中辐射源由于设计简单、稳定和持久的优势，尤其是镍（63Ni），依旧是目前应用最为广泛的电离源。漂移管是IMS中最关键的组件，离子化学反应几乎都在该区域完成，传统商用漂移管由陶瓷和金属环组件组成，其成品笨重且成本高。随着新型替代材料（如聚合材料）的出现，以及微电子加工技术的发展正在使漂移管的性能、体积及成本均更加满足生产及科研的需求。

1.2 GC-IMS的工作流程和原理

GC-IMS工作流程可分为5 个部分：进样、GC分离、分子电离化、离子分离和离子检测。GC-IMS的最常见进样方式分为直接进样和HS进样。直接进样常应用于环境监测和医学相关研究；加热HS进样在食品分析中尤为常用，收集到的分析气体在载气（N2或合成空气）带动下进入GC仪，由于不同分子在GC中的极性及吸附性质的差异而产生各自相异的移动速率，进而保留时间不同。经GC初步分离后的各组分会进入到IMS，并在电离区发生负、正离子化（图1C）。本文以正离子化模式（在食品分析中最为常见）进行说明：在无样品分子时，电离区中的水分和氮气会在离子源的作用下电离产生H3O+(H2O)m(N2)n，其中

m

n

在电离后，离子经周期闭合离子门进入漂移区，并向探测器运动，在这个过程中，由于受电场的加速作用及逆向漂移气体碰撞的减速作用，离子最终以稳定的移动速率到达探测器并产生微安级电流。因此，信号强度用电压单位表示。离子迁移率系数（

K

K

1.3 GC-IMS的分析方法

分析物通过CG-IMS分析会得到3 个参数，即GC保留时间、IMS迁移时间和信号强度（图2A）。根据保留时间可得到保留指数，结合迁移时间可以检索它们在数据库中对应的物质，进行二次定性；基于信号强度，常常采用外标法对物质进行绝对定量，也可直接计算峰体积进行相对定量。此外，CG-IMS分析数据还可进一步转化为特征性指纹图谱（图2B）。图中每个点代表1 种挥发性有机化合物（VOC），点的色度代表含量，因此，样品所含VOC组分的种类和含量差异直观可视。

然而，GC和IMS间的耦合大大增加分析物的识别信息量，其中包含大量冗余且复杂的数据信息，这通常需要进行复杂的化学计量学方法分析。该分析方法能够对数据进行降维简化、判别和预测，以及揭示不同变量间相互关系。另外根据分析特点，化学计量学方法主要可分为3 类：1）判别分析又称为监督模式识别方法，如偏最小二乘判别分析（PLS-DA）、正交偏最小二乘判别分析（OPLS-DA）、线性判别分析（LDA）（又称Fisher线性判别分析（FLDA））、二次线性判别分析（QDA）、

k

02

GC-IMS在食品真实性鉴别中的应用

近年来，GC-IMS已在肉类、植物油、蜂蜜、酒类、水果、咖啡和鸡蛋等多种食品真实性鉴别中得以应用，涉及分级与种类区分、品种鉴别、掺假鉴定、产地溯源、贮藏期判别和精炼程度鉴定等方面。

2.1 肉类

肉制品是人们日常饮食中不可或缺的部分，但近年来不断有肉制品掺假事件曝光，肉类产品的真实性正越来越受到人们重视。Arroyo-Manzanares等在研究GC-IMS的2 种数据分析方法（非靶向和靶向）对不同喂养方式（橡子和饲料）伊比利亚猪所产火腿的区分结果中得出，非靶向分析分类正确率为90%，而靶向分析分类正确率为100%；随后，该团队又探究无损采样方式下，GC-IMS技术对不同饲养方式和品种所对应火腿的区分效果，研究使用无菌一次性不锈钢针头收集火腿脂肪样品，采用OPLS-DA对饲养方式及品种进行区分，正确分类率分别为91.7%和100%。Li Wenqian等分别采用GC×GC-飞行时间质谱和GC-IMS方法研究不同地区6 种干腌火腿的挥发性化合物，前者检出265 种VOCs，GC-IMS虽仅检出45 种VOCs，但经PCA后，GC-IMS可以将这6 种样品进行较好的区分，而前者则不能。陈通等同样采用GC-IMS结合PCA和LDA的方法对59 个牛肉、羊肉和鸡肉样品进行了较好的区分，综合正确分类率达到98.3%。此外，GC-IMS还适用于肉类掺假鉴定和贮藏期判别，当羊肉中猪肉和鸡肉掺入量分别超过5%和10%时，一些特征VOCs含量可被检测到发生变化，同时PCA可将不同掺假肉样明显区分。由于新疆地区幅员辽阔，不同地区自然和生产条件及饲养环境迥异，因而不同产区羊肉的风味也存在较大差异。通过GC-IMS技术建立不同产区羊肉的特征指纹图谱库，将图谱库数据与统计分析结合可以快速判别样品产地和掺假信息。

此外，市场常用“僵尸肉”和“过期肉”冒充正常冷冻肉进行出售。基于GC-IMS获得不同冻藏时间的猪肉表层脂肪VOCs并结合化学计量学方法可对样品进行良好的归类，且相对感官和理化分析鉴别，GC-IMS技术更适用于冷冻猪肉大批量快速检测及品质深入分析。

2.2 植物油

食用植物油是食品领域中造假频率最高、造假方式最复杂的食品之一。特级初榨橄榄油（EVOO）是地中海饮食的基本组成，以营养、健康和美味而享誉全球，被誉为“液态黄金”。橄榄油除EVOO外，还包括普通橄榄油（OO）和低级初榨橄榄油等，EVOO相对于其他等级橄榄油，品质和价格相差较大。EVOO的传统分级方法，如感官评价和化学参数分析（如游离酸度和过氧化值）等费时耗力，还会产生污染。GC-IMS由于其快速、精确和绿色的分析优势近年来成为橄榄油分级研究热点（表2）。早在2011年，Garrido-Delgado等便开始了GC-IMS对EVOO的分级研究，将GC-IMS（离子源为氚）用于区分EVOO、OO和橄榄果渣油（POO），同时比较电离源为紫外（UV）的IMS的分级效果，结果表明，基于UV-IMS正确分级率为86.1%，而基于GC-IMS的正确分级率为100%。随后，不同学者从GC柱的类型（GC和MCC）、温度控制程序（升温程序和恒温程序）、数据分析方法（靶向和非靶向指纹分析）、化学计量学方法、数据融合和特定目标物分析等多个角度（表2）研究GC-IMS对EVOO的分级效果，并进行验证和优化，这些研究结果表明，基于GC-IMS技术的最高正确分级率均能达88%以上，有的甚至可达100%。

除对橄榄油进行分级外，GC-IMS在EVOO的产地溯源和掺假检测中也有应用。Gerhardt等运用带有程序升温的GC-IMS结合LDA和kNN对产于西班牙和意大利的EVOO进行分类，正确分类率分别为98%和92%。另外，相对于常规恒温GC-IMS，带有程序升温的GC-IMS能够提高非靶向VOCs的分辨率。当食品产于邻近的地理环境或食品掺假程度较低时，单一的真实性鉴别技术可能会导致判别结果不准确。Schwolow等将FT-IR光谱和GC-IMS数据进行低级融合，并将其用于EVOO产地（希腊、意大利和西班牙）溯源，结果表明，与单独基于GC-IMS和FT-IR光谱获得的数据相比，低级数据融合可提高分类模型的预测能力和稳定性。向EVOO中掺入1,3-二油酸-2-棕榈酸甘油三酯、榛子油、向日葵油和菜籽油等是欺诈者的惯用手段。GC-IMS技术结合PCA不仅可以很好区分EVOO与其他油类（POO和其他种类植物油），还可有效判别其他油类在EVOO中的掺假情况（掺假鉴别率可达5%）。

此外，GC-IMS在其他植物油的真实性鉴别中也有所应用。GC配合检测器表征脂肪酸是判别植物油掺假的常规技术，GC-IMS技术与GC法相比，其对掺假花生油（含有不同比例菜籽油）具有更高判别能力：GC法可检测出的掺假限值为5%；而基于GC-IMS的风味数据结合PCA和CA能够判别的掺假限值为1%。另外，Chen Tong等创新地运用大津法阈值分割和彩色差分法对3 种油样（芝麻油、菜籽油和山茶油）GC-IMS图谱的二维矩阵进行特征峰自动选择和可视化对比，并结合PCA和kNN建立分类模型。结果表明，校正集和预测集的正确识别率分别为100%和98.24%。Dou Xinjing等利用HS-GC-IMS结合PCA、OPLS-DA和RF化学计量学模型将掺假芝麻油分为2 类，并鉴别出掺入香精的假冒芝麻油的挥发性成分更为简单且主要为吡嗪类化合物，其中检测出的2-甲基丁酸、2-糠硫醇、甲基吡嗪等化合物可作为芝麻香精标记物，应用于今后芝麻油掺假鉴别分析中。植物油的品质和价格不仅与其种类相关，还与精炼程度有重要关系。陈通等基于GC-IMS构建不同葵花油精炼程度指纹图谱，并通过化学计量方法（PCA、kNN、QDA和FLDA）对有效靶向VOCs进行分析，结果表明，对不同精炼程度油样的识别率高达97.30%。Chang Ming等则通过GC-IMS结合PCA、PLS-DA的分析方法对初榨椰子油、精制、漂白、除臭的椰子油和干燥椰子油3 种不同类型的椰子油进行研究，结果表明，2-庚酮与己醛可作为鉴别标记实现对椰子油精炼程度的判别。在产地溯源方面，Goggin采用GC-IMS结合SLR、RF、高斯过程、SVM和ANN 5 种预测模型（线性和非线性）对马来西亚2 个地区收集到的108 个粗棕榈油（CPO）样品进行区域地理来源研究，结果发现，不同地区的CPO样品均可通过上述模型成功进行指纹识别，且SLR模型的识别效果最佳。

2.3 蜂蜜

蜂蜜食用历史悠久，可作为天然甜味剂和调味剂，此外还具有较高的营养、保健和药用价值，因此深受青睐。但目前纯蜂蜜生产成本较高，且存在巨大的供需缺口，因而“假蜂蜜”事件屡禁不止。

目前GC-IMS在蜂蜜真实性鉴别中的应用主要围绕掺假鉴定、植源与蜂源区分。蜂蜜掺假方式主要有2 种，一种是向高价蜂蜜中掺加低价蜜或杂花蜜来冒充单花蜜，另一种是向纯蜂蜜中添加糖浆（如淀粉糖浆和果葡糖浆）。Arroyo-Manzanares等通过非靶向GC-IMS数据分析对3 种蜂蜜样品（不同植物来源的纯蜂蜜、掺有甘蔗糖浆的蜂蜜和掺有玉米糖浆的蜂蜜）进行研究，分析掺假物对蜂蜜样品风味图谱变化的影响，并建立OPLS-DA掺假判别模型。该模型对纯蜂蜜与掺假蜂蜜的鉴别成功率为97.4%，2 种掺杂物含量的鉴别成功率为93.8%。同时使用该方法分析9 种市售蜂蜜样品，其中7 种为掺假蜂蜜，这也直接反映了蜂蜜市场行业掺假的严重性。此外，与目前常用的蜂蜜真伪鉴别技术核磁共振氢谱（ 1 H-NMR ）相比，通过GC-IMS结合PCA-LDA、kNN和PLS-DA不仅与 1 H-NMR对不同植物来源的蜂蜜区分效果基本相当，而且更加快捷、简单。冬蜜和乌桕蜜分别为冬季和夏季不同植物来源的蜂蜜，前者为优质蜂蜜，后者品质较差。Wang Xinran等采用GC-IMS特征图谱数据结合PCA和PLS-DA对冬蜜、乌桕蜜和掺假样品进行了有效的区分，同时采用火山图和变量投影重要性值分析等进一步确定2 种蜂蜜的最终标记物（苯甲醛二聚体和苯乙醛二聚体为冬蜜标记物；苯乙酸乙酯二聚体为乌桕蜜标记物）。

2.4 酒类

酒类种类繁多，如白酒、黄酒、啤酒、果酒和奶酒等，酒类品质受产地环境、原料、生产工艺、酒龄和风味特征等因素的影响较大，因而不同酒类甚至是同种酒类间都可能出现较大的价格差异。出于市场利益的诱惑，勾兑掺假、标签不实和以次充好的“假酒”充斥着酒类市场。

白酒、黄酒、白兰地和葡萄酒是世界闻名酒类，也是不良商贩进行酒类掺假和商业欺诈的热点对象。目前GC-IMS技术主要在这4 类酒的产地溯源、品牌和香型区分、酒龄判别及质量分级方面得以应用，并取得了较好的鉴别效果。绍兴黄酒是我国地理标志保护产品，与同类产品相比，其受欢迎度具有绝对优势。Chen Tong等以绍兴、山东、湖北等地的黄酒为研究对象，运用GCIMS构建其风味指纹图谱，同时在彩色模型的基础上选择特征峰并结合QDA建立分类模型，分类效果最佳（预测集的正确分类率为95.35%）。此外，GC-IMS技术还可用于酒类的品牌和香型区分。对于古越龙山、塔牌和会稽山3 种不同品牌的黄酒，通过GC-IMS风味组分分析得出，苯甲醛、乙酸异戊酯和丁酮在不同品牌中含量差异较大，可作为特征VOCs，另外，VOCs结合PCA可快速、有效区分不同品牌黄酒。在关于不同香型白酒（浓香型、酱香型和清香型）的风味分析中，GC-IMS风味指纹图谱与PCA相结合可对不同香型白酒进行明显区分。众所周知，诸如黄酒、白酒、白兰地和葡萄酒等发酵酒精饮料，陈化时间越长，其风味和口感等品质一般越高。GC-IMS谱图因具有直观可视的特点，可对比不同贮藏时间样品的风味图谱（如黄酒、白酒和白兰地），快速发现与贮藏时间相关的特征风味物质，结合化学计量学方法对其贮藏时间进行判别或预测。Zhu Wenyao等利用葡萄酒的GC-IMS数据通过PCA-LDA、PLS-DA、kNN、SVM、XGBoost、ANN 6种预测模型进行香气化学分析，还可以实现对葡萄酒的感官质量分级，其中ANN的预测准确率达到95.4%，预测效果最佳。

03

结 语

GC-IMS作为新兴食品质量与安全检测技术，其具有操作简单、高效、环保、便携、灵敏和经济的优势，符合当下对食品真伪检测技术的要求，具有广阔的应用前景。目前该技术在食品真实性鉴别领域的应用主要集中在肉类制品、植物油、蜂蜜、酒类、水果、咖啡和茶叶等，尤其是前2 类，应用方向多集中在分级、品种和种类区分、掺假鉴别、溯源分析和贮藏期鉴别等方面；GC-IMS技术对于其他食品的真实性鉴别还有待研究。

此外，建立已知样品VOCs数据库对于GC-IMS真实性鉴别至关重要。构建数据库时，已知样品的样本量要尽量多且具有代表性。另一方面，对于靶向分析，特征物质的选择很关键，不能丢失重要靶向物质。此外，GCIMS在食品真实性鉴别中的应用还有以下几点待提升之处：首先，IMS现有数据库依然不够完整，不能支持GCIMS对大量未知VOCs的全面定性，可能会影响对一些重要VOCs的进一步研究；因此，VOCs数据库需要进一步拓展才能达到VOCs定性和定量的需求。其次，GC-IMS对风味组分具有极低的检出阈值，但目前以破坏性取样为主，对于珍贵的样品，如火腿，这种取样方式无疑会造成较大的经济损失，因而GC-IMS的微量取样或无损检测也有待进一步研究。最后，GC-IMS技术与核磁、质谱等鉴别技术进行数据融合的报道较少，改进数据融合将更加有利于风味图谱相近食品的鉴别。未来，GC-IMS技术应当与其他VOCs检测方法结合使用，以实现优势互补，从而提供更为全面的VOCs相关信息；还应该与代谢组学、蛋白质组学、微生物组学等共同发展，综合表征食品中的营养成分和挥发性风味物质特性，进一步扩大GC-IMS在食品领域的应用范围，从而推动食品产业持续发展。

引文格式：

张碧莹, 隋雨萌, 张鑫, 等. 气相色谱-离子迁移谱技术在食品真实性鉴别中的应用研究进展[J]. 食品科学, 2025, 46(1): 227-236. DOI:10.7506/spkx1002-6630-20231025-215.

ZHANG Biying, SUI Yumeng, ZHANG Xin, et al. Research progress in the application of gas chromatography-ion mobility spectrometry in food authentication[J]. Food Science, 2025, 46(1): 227-236. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20231025-215.

实习编辑：杨倩；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网

为汇聚全球智慧共探产业变革方向，搭建跨学科、跨国界的协同创新平台，由北京食品科学研究院、中国肉类食品综合研究中心、国家市场监督管理总局技术创新中心（动物替代蛋白）、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，西南大学、 重庆市农业科学院、 重庆市农产品加工业技术创新联盟、重庆工商大学、重庆三峡学院、西华大学、成都大学、四川旅游学院、西昌学院、北京联合大学、 中国健康管理协会特殊食品与植物营养分会共同主办 的“ 第三届大食物观·未来食品科技创新国际研讨会 ”， 将于2026年4月25-26日 （4月24日全天报到） 在中国 重庆召开。

长按或微信扫码进行注册

为系统提升我国食品营养与安全的科技创新策源能力，加速科技成果向现实生产力转化，推动食品产业向绿色化、智能化、高端化转型升级，由北京食品科学研究院、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，合肥工业大学、安徽农业大学、安徽省食品行业协会、安徽大学、合肥大学、合肥师范学院、北京工商大学、中国科技大学附属第一医院临床营养科、安徽粮食工程职业学院、安徽省农科院农产品加工研究所、安徽科技学院、皖西学院、黄山学院、滁州学院、蚌埠学院共同主办的“第六届食品科学与人类健康国际研讨会”，将于 2026年8月15-16日（8月14日全天报到）在中国 安徽 合肥召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）